【雷达通信】基于matlab雷达数字信号处理【含Matlab源码 281期】 |
您所在的位置:网站首页 › 雷达态势显示怎么设置 › 【雷达通信】基于matlab雷达数字信号处理【含Matlab源码 281期】 |
⛄一、雷达信号处理简介
利用MATLAB设计经典的雷达数字信号处理。该系统具备对雷达目标回波的处理能力,能够从噪声中将目标检测出来,并提取目标的距离、速度、角度信息。教程分五节完成,主要包括: 第一节,雷达LFM信号分析; 第二节,脉冲压缩处理; 第三节,相参积累处理; 第四节,恒虚警CFAR处理; 第五节,目标信息提取处理。 1 雷达LFM信号分析 脉冲压缩雷达最常见的调制信号是线性调频(Linear Frequency Modulation)信号,接收时采用匹配滤波器(Matched Filter)压缩脉冲。脉冲压缩雷达能同时提高雷达的作用距离和距离分辨率。这种体制采用宽脉冲发射以提高发射的平均功率,保证足够大的作用距离;而接受时采用相应的脉冲压缩算法获得窄脉冲,以提高距离分辨率,较好的解决雷达作用距离与距离分辨率之间的矛盾。 LFM信号的数学表达式为: 3.相参积累处理 在信号理论中,相参又称为相干,定义为脉冲之间存在确定的相位关系。简单来说,脉冲间的相位可以互相对照,知道其中一个相位就有办法知道另外一个。相参处理的意义在于脉冲积累时提高信噪比,提高多普勒频率的准确度。由于雷达回波信号不但有微弱的信号,还会有很强的噪声。雷达的主要目的就是要把微弱的目标信号从噪声中分离出来,设法提高信噪比。要想把信号提取出来,必须要将信号放大,但放大的同时噪声也被放大,因为它们总是同时存在的,并且放大电路自己本身也有噪声,放大后信号与噪声的比值反而变小了,更不利于提取有用的回波信号。解决的方法是进行相参积累,可以对n个回波进行累加,由于噪声是随机的,累加的结果是信号变强,而噪声因是随机的,强度反而变小,这样信号与噪声比就提高了。相参积累中多个脉冲之间相位关系固定且明确,所以理论上积累后信噪比可提高到n倍。 下图为相参积累原理示意图: %% 线性调频信号的产生 clc;close all;clear all; T = 10e-6; %脉宽 B = 25e6; %信号带宽 K = B/T; %调频斜率 Fs = 2B;Ts = 1/Fs; %采样频率及采样间隔 N = T/Ts; t = linspace(-T/2,T/2,N); St = exp(jpiKt.^2); %生成线性调频信号 figure; subplot(211) plot(t1e6,St); xlabel(‘Time in u sec’); title(‘线性调频信号’); grid on;axis tight; subplot(212) freq = linspace(-Fs/2,Fs/2,N); plot(freq1e-6,fftshift(abs(fft(St)))); xlabel(‘Frequency in MHz’); title(‘线性调频信号的幅频特性’); grid on;axis tight; %% CFAR % 先运行 processCoherent.m文件 %% %%%%%%%%%二维筛选%%%%%%%%% N_ref_2D = M/4; %参考区域大小 PC_data_ifft_CA_abs = abs(PC_data_ifft_CA); N_point = length(PC_data_ifft_CA_abs); %计算区域1的和 sum1 = sum(PC_data_ifft_CA_abs(1:N_ref_2D,1:N_ref_2D)); %按行相加 sum_ref_2D(1,1) = sum(sum1(1,:)); %按列相加 %计算区域2的和 sum2 = sum(PC_data_ifft_CA_abs(1:N_ref_2D,(N_point-N_ref_2D+1):N_point)); sum_ref_2D(1,2) = sum(sum2(1,:)); %计算区域3的和 sum3 = sum(PC_data_ifft_CA_abs((M-N_ref_2D+1):M,1:N_ref_2D)); sum_ref_2D(1,3) = sum(sum3(1,:)); %计算区域4的和 sum4 = sum(PC_data_ifft_CA_abs((M-N_ref_2D+1):M,(N_point-N_ref_2D+1):N_point)); sum_ref_2D(1,4) = sum(sum4(1,:)); %%%产生门限Threshold%%% SNR_Threshold = 15; % 检测门限 dB Threshold = ((sum(sum_ref_2D(:,1:4)) - max(sum_ref_2D))/(N_ref_2D2*3))*10(SNR_Threshold/10); %%%寻找 PC_data_ifft_CA 中大于门限的点并记录其位置%%% location = zeros(M,N_point); %填1表示该点大于门限 for i=1:1:M for j=1:1:N_point if(PC_data_ifft_CA_abs(i,j) >= (1*Threshold)) location(i,j) = 1; else location(i,j) = 0; end end end % figure(4),mesh(location),title(‘二维筛选后的结果/location’);axis tight; %%%筛选结果显示%%% selected = zeros(M,N_point); for i=1:1:M for j=1:1:N_point if(location(i,j) == 1) selected(i,j) = PC_data_ifft_CA_abs(i,j); else selected(i,j) = 0; end end end figure(5),mesh(t_x_ca_cut,f_x_ca,selected),title(‘二维CFAR后的结果(信号1的SNR=-5,信号2的SNR=2)/selected’);axis tight; xlabel(‘时间/s’,‘FontSize’,12);ylabel(‘频率/Hz’,‘FontSize’,12);zlabel(‘检测结果(尖峰处为目标)’,‘FontSize’,12); %%%%%%%%%%二维筛选结束%%%%%%%%%%% %%%%%%%%%%一维筛选%%%%%%%%%% %%%%距离维筛选%%%% N_prot_R = 30; %保护单元覆盖第二旁瓣,次大点与次次大点 N_ref_R = 135; %参考单元 threshold_R = zeros(M,N_point); %记录距离维每个观察点的门限值 for i=1:1:M for j=1:1:N_point if(location(i,j) == 1) %只筛选经过二维筛选之后的点 if(j = (N_point - N_prot_R - N_ref_R + 1)) %观察点过于偏右,右侧点数不足 threshold_R(i,j) = (sum(PC_data_ifft_CA_abs(i,(j-N_prot_R-N_ref_R):(j-N_prot_R-1))))/N_ref_R; %观察点左侧参考点求平均 else %观察点居中,左右点数均足够 sum_R_left = sum(PC_data_ifft_CA_abs(i,(j-N_prot_R-N_ref_R):(j-N_prot_R-1))); sum_R_right = sum(PC_data_ifft_CA_abs(i,(j+N_prot_R+1):(j+N_prot_R+N_ref_R))); threshold_R(i,j) = max(sum_R_left,sum_R_right)/(N_ref_R); %观察点两侧取大的一侧求均值 end else threshold_R(i,j) = 0; end end end %利用距离维门限进行一维筛选 location_R = zeros(M,N_point); for i=1:1:M for j=1:1:N_point if(location(i,j) == 1) %只筛选经过二维筛选之后的点 if(PC_data_ifft_CA_abs(i,j) >= (1*threshold_R(i,j))) location_R(i,j) = 1; else location_R(i,j) = 0; end else location_R(i,j) = 0; end end end ⛄三、运行结果
1 matlab版本 2014a 2 参考文献 [1]李树锋.基于完全互补序列的MIMO雷达与5G MIMO通信[M].清华大学出版社.2021 [2]何友,关键.雷达目标检测与恒虚警处理(第二版)[M].清华大学出版社.2011 3 备注 简介此部分摘自互联网,仅供参考,若侵权,联系删除 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |